Artigo

22 de outubro de 2026

Regressão Estatística em Microrredes para Estimativa de Desempenho Operacional: Caso Campusgrid

Kevin Dessanai; Luiz Henrique Lino de Oliveira

DOI: 10.22167/2675-6528-202603756

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

Um modelo de regressão estatística múltipla foi proposto para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, com base em grandezas elétricas internas. A microrrede integra geração fotovoltaica, baterias e um gerador a gás. Dados do sistema de gerenciamento de energia foram coletados em intervalos de cinco minutos durante um mês. O Índice de Confiabilidade Operacional, definido como a razão entre energia atendida e demandada, foi estabelecido como variável dependente. O modelo foi ajustado para o modo de operação ilhado, avaliando o impacto da demanda, estado de carga, geração solar e energia suprida. Os resultados revelaram elevado poder explicativo, indicando que a confiabilidade operacional depende da interação entre suprimento e demanda. Observou-se que o período noturno concentrou a maior taxa de atendimento parcial, atribuída à redução da geração solar. Concluiu-se que a regressão múltipla oferece uma estrutura interpretável e útil para o monitoramento de microrredes e o apoio a estratégias de controle.

Palavras-chave: Armazenamento em baterias; Geração fotovoltaica; Índice de Confiabilidade; Operação ilhada; Sistema de Gerenciamento de Energia.

1. Introdução

A evolução dos sistemas elétricos de potência, historicamente compostos por etapas de geração, transmissão, distribuição, controle e consumo de energia elétrica, esteve associada à expansão de grandes usinas centralizadas e redes extensas. Esse modelo foi essencial para a universalização do acesso à eletricidade (Kagan et al., 2005; Grigsby, 2012), mas passou a apresentar limitações diante da necessidade de maior confiabilidade, flexibilidade, sustentabilidade e integração de fontes renováveis distribuídas, que possuem natureza intermitente (Lasseter, 2007).

Nesse contexto, o conceito de microrrede ganhou relevância como uma alternativa para controlar recursos energéticos de forma coordenada e despachável. A concepção de microrrede foi impulsionada pelo conceito “CERTS Microgrid” no início dos anos 2000, que propôs tratar geração distribuída, cargas e dispositivos de controle como um subsistema elétrico capaz de operar conectado à rede principal ou de maneira autônoma (Lasseter et al., 2002). De acordo com o U.S. Department of Energy (2024), uma microrrede é definida como um conjunto de cargas e recursos energéticos distribuídos inseridos em limites elétricos claramente definidos, capaz de atuar como uma entidade controlável única em relação à rede principal.

As microrredes surgem, portanto, como resposta à necessidade de sistemas elétricos mais resilientes, descentralizados e capazes de integrar diferentes fontes de energia. Seu uso permite combinar geração renovável, geradores fósseis despacháveis, sistemas de armazenamento de energia, cargas com resposta à demanda e medidores inteligentes (Liu et al., 2023). Entre seus principais benefícios destacam-se a melhoria da confiabilidade do suprimento, o aumento da resiliência frente a falhas da rede principal, a possibilidade de operação ilhada, a integração de fontes renováveis e a maior eficiência no gerenciamento local da energia (Feng et al., 2018). Contudo, a implantação de microrredes também apresenta desafios significativos, como o elevado custo de investimento inicial, a necessidade de infraestrutura de comunicação, proteção e controle, além da exigência de estratégias operacionais para lidar com incertezas na geração renovável e na demanda (Eyimaya, 2024).

A presença de sistemas de armazenamento em baterias amplia a flexibilidade operacional das microrredes, mas introduz desafios relacionados ao estado de carga, ciclos de carga e degradação (Shamarova et al., 2022). Nesse cenário, o sistema de gerenciamento de energia (EMS) exerce papel central, coordenando o despacho dos recursos, equilibrando geração e demanda, e preservando a estabilidade operacional em diferentes condições, incluindo a transição entre os modos conectado e ilhado (Khan et al., 2024).

No contexto brasileiro, a CampusGrid, implantada no campus da Universidade Estadual de Campinas (UNICAMP), representa um exemplo relevante de microrrede voltada à pesquisa, demonstração tecnológica e avaliação operacional em ambiente real. Essa infraestrutura permite investigar aspectos relacionados à integração de fontes renováveis, armazenamento de energia, estratégias de controle e diferentes modos de operação, contribuindo para o avanço de estudos aplicados sobre o assunto no país (UNICAMP, 2024).

A complexidade operacional das microrredes exige o desenvolvimento de métodos que apoiem a análise de desempenho. Abordagens baseadas em dados, como modelos estatísticos e técnicas de aprendizado de máquina, são cada vez mais empregadas para previsão, controle e identificação de padrões operacionais (Porawagamage et al., 2024). Contudo, embora técnicas avançadas ofereçam alta capacidade preditiva, modelos interpretáveis são cruciais em aplicações de engenharia, especialmente quando o objetivo não é apenas prever o comportamento do sistema, mas compreender as relações entre variáveis operacionais e indicadores de desempenho.

Nesse contexto, modelos de regressão fornecem uma estrutura transparente, útil e de baixo custo computacional para a análise de microrredes (Javadi e Pong, 2025). A escolha dessa abordagem busca avaliar em que medida variáveis internas da microrrede podem explicar e estimar seu comportamento operacional, contribuindo para o monitoramento e o aprimoramento das estratégias de operação. Assim, este trabalho propõe a utilização de um modelo de regressão estatística múltipla para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, a partir de grandezas elétricas internas.

2. Material e Métodos

A metodologia da pesquisa foi estruturada em duas etapas complementares: I) aquisição, tratamento e organização dos dados operacionais da microrrede e II) modelagem estatística, validação e análise dos resultados obtidos. O estudo buscou avaliar como variáveis internas da microrrede podem explicar e estimar seu comportamento operacional, contribuindo para o monitoramento e aprimoramento das estratégias de operação.

Na primeira etapa, realizou-se pesquisa documental e tecnológica, com extração de dados temporais, registros de eventos e logs operacionais do sistema de gerenciamento de energia da CampusGrid. Foram coletadas e organizadas variáveis elétricas internas da microrrede, incluindo potência das fontes de geração, demanda elétrica das cargas, estado de carga do sistema de armazenamento e outras grandezas operacionais. Para isso, foi definida uma janela temporal contínua para contemplar a variabilidade da carga, diferenças entre dias úteis e não úteis, distintas condições de despacho e eventuais ocorrências de ilhamento ou contingência.

A base de dados foi submetida a critérios de inclusão e exclusão, com eliminação de registros duplicados, descarte de outliers e padronização de dias com lacunas em variáveis críticas. A partir das variáveis tratadas, foi construído o Índice de Confiabilidade Operacional [ICO], utilizado como variável-dependente do modelo estatístico. O ICO representa a capacidade da microrrede em atender à demanda requerida e foi calculado pela razão entre a energia efetivamente atendida e a energia total demandada no respectivo instante de tempo, conforme a Equação (1):

ICO₁ = Eatendidať / Edemandadat (1)

Onde ICO: é o índice de confiabilidade operacional no instante t; Eatendidať : é a energia efetivamente suprida pela microrrede; e Edemandadať : é a energia total requerida pelas cargas no mesmo período. O índice assume valores entre 0 e 1, indicando maior confiabilidade operacional quanto mais próximo de 1.

Na segunda etapa, realizou-se a modelagem estatística dos dados tratados utilizando regressão múltipla. O modelo foi estruturado para estimar o índice diário de confiabilidade operacional a partir das variáveis elétricas internas da microrrede, conforme a Equação (2):

ICO₁ = Bo + B₁X1,t + B2X2,t + … + BXn,t + Et (2)

Onde ICOdt: é a variável dependente no instante t; X1,t, X2,t,…, Xn,t: são as variáveis explicativas das medições internas da microrrede; β₀: é o intercepto; β₁,β2,…,βn: são os coeficientes estimados para cada variável explicativa; e ɛt: é o termo dos erros.

A validação do modelo incluiu a análise dos resíduos, verificação da significância estatística dos coeficientes e avaliação de métricas de desempenho como coeficiente de determinação [R²], erro médio absoluto e raiz do erro quadrático médio. Aspectos como multicolinearidade entre variáveis explicativas e aderência dos resíduos aos pressupostos do modelo também foram avaliados.

O tratamento estatístico foi realizado no ambiente Python, utilizando bibliotecas como Pandas, NumPy e Scikit-learn, além de outras bibliotecas para inferência estatística e visualização de padrões. Foram geradas tabelas de desempenho do modelo, estimativas de coeficientes, intervalos de confiança, indicadores de colinearidade, testes diagnósticos, gráficos de resíduos e análises de sensibilidade.

A pesquisa utilizou exclusivamente dados técnicos e desidentificados, sem tratamento de informações pessoais, garantindo um percurso transparente e replicável.

Area de Estudo

A CampusGrid, localizada em um campus universitário (coordenadas -22.815762 e -47.072456), serviu como plataforma de demonstração e desenvolvimento tecnológico. A infraestrutura integra geração fotovoltaica (565 kilowatts-pico [kWp]), armazenamento em baterias (1,27 Megawatts-hora [MWh]), gerador a gás natural (250 kilovolt-ampere [kVA]), infraestrutura em baixa e média tensão e um sistema inteligente de supervisão e controle. Essa arquitetura é adequada para estudos de operação conectada e ilhada, despacho energético, gerenciamento de cargas e avaliação do comportamento dinâmico do sistema.

Figura 1. Microrrede Campusgrid

Fonte: Dados originais da pesquisa

3. Resultados e Discussão

Análise estatística

A operação de uma microrrede, caracterizada pela interação entre geração renovável intermitente, armazenamento, geração despachável, perfis de carga e estratégias de controle, apresenta complexidade técnica. Uma análise inicial avaliou dados do sistema de gerenciamento de energia (EMS) da CampusGrid, abrangendo tanto o modo conectado à rede principal quanto o modo ilhado. Os dados foram padronizados e organizados em intervalos de 5 minutos, cobrindo um mês de operação ininterrupta. A Figura 2 ilustra a matriz de correlação entre as variáveis registradas pelo sistema de monitoramento.Figura 2. Matriz de correlação dos dados obtidos da Microrrede Campusgrid

Fonte: Resultados originais da pesquisa

A matriz de correlação inicial indicou que o índice de confiabilidade operacional (ICO), considerando os modos conectado e desconectado, apresentava pouca ou nenhuma correlação com a maioria das variáveis. Isso se deveu principalmente ao fornecimento de energia da rede principal, cujos dados não foram monitorados pela microrrede. Em modo conectado, sem geração local, o ICO sempre seria 1, pois a demanda seria suprida pela rede principal. Observou-se que a variação delta do estado de carga do sistema de armazenamento de energia (dsoc) e o grupo gerador a gás natural (gerador) mostraram correlação leve a moderada com o modo de operação, pois atuam como backup em quedas de energia. O sistema fotovoltaico (sfv) não apresentou correlações significativas, enquanto a energia entregue localmente pela microrrede correlacionou-se principalmente com a demanda.

Para uma análise mais precisa do ICO, os dados foram depurados para incluir apenas os instantes em que a microrrede operava no modo ilhado, eliminando a interferência da rede principal. Do total de 8640 observações, 195 referiam-se ao modo ilhado, o que, embora reduzido, permitiu uma avaliação mais realista da capacidade de sustentação das cargas locais. A Figura 3 apresenta a matriz de correlação para o sistema operando exclusivamente no modo ilhado.Figura 3. Matriz de correlação dos dados da Microrrede Campusgrid para o modo ilhado

Fonte: Resultados originais da pesquisa

No modo de operação ilhado, o ICO mostrou uma relação positiva mais acentuada com a operação da bateria e o sistema fotovoltaico, indicando que maiores estados de carga da bateria e maior geração fotovoltaica estão associados a valores mais elevados de ICO. O sfv também apresentou leve interdependência com o gerador a gás. Em relação à demanda, a correlação foi moderada a forte e negativa, sugerindo que o ICO tende a diminuir com o aumento da demanda. Com base nesses dados, foi possível obter a equação (4) que descreve o comportamento do sistema:

ICO = 0,899025 – 0,129712demanda + 0,000546dsoc + 0,001845gerado + 0,011725sfv + 0,150857energia (4)

A análise de regressão, conforme a Tabela 1, revelou que o gerador não possui significância estatística relevante como variável explicativa do ICO, com um p-valor de aproximadamente 0,152. A Figura 4 ilustra esse comportamento em forma de grafo, onde as retas mais azuis e vermelhas indicam níveis de correlação mais fracos e mais fortes, respectivamente.Tabela 1. Tabela com os resultados individuais das variáveis

VariáveisCoeficienteErrotP > | t |[ 0.0250.975 ]
Intercepto0.8990250.01558.8380.0000.8740.934
demanda-0.1297120.06-21.0820.000-0.143-0.0118
dsoc0.0005460.0003.1930.0020.0000.001
gerador0.0018450.001281.4380.152-0.0006850.004374
sfv0.0117250.0043.2970.0010.0050.021
energia0.1508570.01015.4270.0000.1310.170

Fonte: Resultados originais da pesquisaFigura 4. Grafos de correlação dos dados da Microrrede Campusgrid para o modo ilhado

Fonte: Resultados originais da pesquisa

O intervalo do coeficiente do gerador, conforme a Figura 4, passa pelo zero, sugerindo que estatisticamente é plausível que seu efeito real seja nulo, levemente negativo ou positivo. Assim, o modelo não consegue afirmar com segurança um efeito próprio da variável explicativa do gerador, que pode ser excluída da equação principal, resultando na equação (5):

ICO = 0,899025 – 0,129712demanda + 0,000546dsoc + 0,011725sfv + 0,150857energia (5)

O resumo do ajuste por Mínimos Quadrados Ordinários (OLS), apresentado na Tabela 2, demonstrou desempenho estatístico satisfatório. O coeficiente de determinação R² indicou que aproximadamente 77,2% da variabilidade observada em ICO é explicada pelas variáveis independentes, sugerindo elevado poder explicativo. O R² ajustado de 0,767 confirmou que o modelo mantém capacidade explicativa, mesmo após a penalização pelo número de preditores, indicando que as variáveis inseridas contribuem de forma relevante para a explicação do ICO.Tabela 2. Tabela com os resultados da OLS do modelo

VariáveisCoeficiente
R20,772
R² ajustado0,767
Estatística-F161,0
Probabilidade (Estatistica-F)6,86 x 10-60
Log-verosimilhança178,53
AIC– 347,1
BIC– 330,7
MAE0,0607
RMSE0,1032

Fonte: Resultados originais da pesquisa

O valor da estatística F de 161,0, associado a um p-valor de 6,86 × 10⁻⁶⁰, permitiu rejeitar a hipótese nula de que todos os coeficientes angulares são simultaneamente iguais a zero. Isso significa que o conjunto das variáveis explicativas possui capacidade estatisticamente significativa para explicar o comportamento da variável dependente. O modelo foi ajustado com as 195 observações do banco de dados original, resultando em 190 graus de liberdade dos resíduos e 4 graus de liberdade para o modelo, indicando quatro preditores explicativos. O erro médio absoluto (MAE) de 0,0607 e o erro quadrático médio (RMSE) de 0,1032 indicaram que o modelo reproduz com boa aproximação o nível de confiabilidade operacional observado, embora a dispersão aumente em eventos de atendimento parcial. A Figura 5 ilustra a relação entre o índice de confiança observado e o previsto.Figura 5. Indice de confiança observado x Indice de confiança previsto

Fonte: Resultados originais da pesquisa

A Figura 5 mostra uma forte concentração de pontos próximos ao valor unitário do índice, com maior espalhamento para valores inferiores, o que indica que episódios de atendimento parcial são mais difíceis de capturar com precisão perfeita. Contudo, a proximidade visual dos pontos em relação à reta de referência sugere que o modelo linear múltiplo mantém uma capacidade explicativa útil para análise e monitoramento operacional. A confiabilidade operacional é predominantemente influenciada pela relação entre a carga requerida e a energia efetivamente atendida, enquanto a geração fotovoltaica e o estado do sistema de armazenamento atuam como suporte, e não como determinantes principais isolados. Demanda e energia compartilham uma parcela significativa da informação explicativa, o que é esperado do ponto de vista físico, dada a relação direta com o atendimento da carga.

A análise de multicolinearidade, apresentada na Figura 6 e Tabela 3, indicou fatores de inflação da variância (VIF) de 8,973 para energia e 7,722 para demanda, enquanto dsoc e sfv permaneceram em patamares baixos, com 1,689 e 1,177, respectivamente. Apesar da multicolinearidade moderada a alta entre demanda e energia, os coeficientes mantiveram sinais coerentes e elevada significância estatística, justificando a permanência dessas variáveis no modelo do ponto de vista interpretativo. Esse resultado sugere que o comportamento do índice de confiança emerge de uma interação estreita entre a necessidade de suprimento e a capacidade efetiva de atendimento local, reforçando o sentido físico da regressão estimada.Figura 6. Fator de inflação da variância (VIF) das variáveis do modelo reduzido

Fonte: Resultados originais da pesquisaTabela 3. Valores VIF para as variáveis explicativas

VariáveisValor
energia8,973
demanda7,722
dsoc1,689
sfv1,177

Fonte: Resultados originais da pesquisa

Para diagnosticar a heterocedasticidade, foi realizado o teste de Breusch-Pagan. O teste retornou um valor LM de 21,183 com p-valor de 0,000748, e um valor F de 4,607 com p-valor de 0,000546. Dessa forma, a hipótese nula de homocedasticidade foi rejeitada ao nível de 5%, indicando que os resíduos do modelo apresentam variância não constante, conforme detalhado na Tabela 4.Tabela 4. Valores para o teste de Breusch-Pagan

VariáveisValor
LM21,183
p-valor LM0,000748
Estatística F4,606626
p-valor F0,000546

Fonte: Resultados originais da pesquisa

Ao agrupar as observações por faixa horária, verificou-se que o período das 18:00 às 00:00 horas concentrou a maior parcela de eventos com ICO menor que 1. Nessa faixa, a taxa de atendimento parcial foi de 0,3409, mais que o dobro da faixa das 06:00 às 12:00 horas e mais de cinco vezes superior aos intervalos das 00:00 às 06:00 e das 12:00 às 18:00, ambos com 0,0638. Nesse período noturno, observou-se o menor ICO médio (ICOm) e o maior gap médio (GAPm) de suprimento, como mostra a Tabela 5 e a Figura 7. Esse resultado é consistente com a lógica de funcionamento da microrrede, pois no fim da tarde a contribuição fotovoltaica diminui ou cessa, enquanto a demanda permanece elevada, especialmente em cargas pós-expediente ou no início do período de ponta. Nessas condições, o sistema depende mais da energia armazenada e da coordenação dos recursos disponíveis.Tabela 5. Resultados de ICO por faixa horária

HorárioObservaçõesICO <1TaxaICOmGAPm
00:00-06:004730,06380,96430,2178
06:00-12:0057100,17540,90200,3187
12:00-18:004730,06380,96510,1915
18:00-00:0044150,34090,81151,3594

Fonte: Resultados originais da pesquisaFigura 7. Frequência de ICO < 1 por faixa horária

Fonte: Resultados originais da pesquisa

A análise semanal, apresentada na Figura 8, reforçou esse comportamento. Nos dias úteis, os menores níveis médios de confiabilidade foram observados na sexta-feira e na quinta-feira, enquanto o sábado apresentou o melhor desempenho e a menor taxa de atendimento parcial. O domingo também mostrou desempenho superior aos dias úteis. Esse padrão indica que a microrrede responde não apenas à variabilidade intradiária, mas também a mudanças no perfil de consumo ao longo da semana, o que é compatível com o funcionamento de um campus universitário, onde a intensidade de uso da infraestrutura tende a cair nos fins de semana.Figura 8. Frequência de ICO < 1 por dia da semana

Fonte: Resultados originais da pesquisa

A observação exploratória por faixa horária indicou que os eventos com ICO menor que 1 se concentraram principalmente entre 18 e 24 horas, sugerindo a influência do regime temporal na confiabilidade operacional. Com base nesse achado, foram introduzidas variáveis dummy de faixa horária no modelo de regressão para verificar a relevância estatística do horário após o controle das variáveis elétricas. Foram consideradas quatro categorias (madrugada, manhã, tarde e noite), com procedimento n-1 dummies, e os resultados estão na Tabela 6.Tabela 6. Tabela com os coeficientes do modelo adaptado com dummies

VariáveisCoeficienteErrotP > | t |[ 0.0250.975]
Intercepto0,9168200,016356,3760,0000,88470,948900
demanda-0,1280490,0605-21,160,0014-0,1399-0,116114
dsoc0,0005900,000163,8120,0000,000280,000895
gerador0,0028260,001292,1950,0294-0,000280,005365
sfv0,0126820,004043,1440,00190,004730,020655
energia0,1446470,009714,920,0000,125530,163764
manhã-0,0539400,016581-3,2531180,001353-0,086648-0,021231

Fonte: Resultados originais da pesquisa

Após o procedimento stepwise, apenas a dummy correspondente ao período da manhã permaneceu estatisticamente significativa (β = -0,053940; p = 0,001353). O modelo adaptado apresentou um R² ajustado de 0,7799, superior ao modelo apenas quantitativo. Contudo, o teste de Breusch-Pagan continuou significativo, indicando a persistência da heterocedasticidade, conforme a Tabela 7.Tabela 7. Valores para o teste de Breusch-Pagan para o modelo com dummies

VariáveisCoeficiente
R²0,786
R² ajustado0,779
AIC– 355,9
BIC– 332,9
LM29,70
p-valor LM0,000045

Fonte: Resultados originais da pesquisa

O estudo demonstrou a viabilidade da aplicação de modelos de regressão estatística múltipla para estimar o desempenho operacional de microrredes, utilizando a CampusGrid da UNICAMP como estudo de caso. A construção do Índice de Confiabilidade Operacional permitiu quantificar a capacidade do sistema em atender à demanda, especialmente em modo ilhado. Os resultados indicaram que a demanda e a energia efetivamente entregue são os principais determinantes do desempenho do sistema, com a geração fotovoltaica e o armazenamento atuando como suporte. O modelo estatístico desenvolvido apresentou elevado poder explicativo, confirmando que variáveis elétricas internas são suficientes para fornecer uma estimativa consistente do comportamento da microrrede. A análise temporal revelou padrões operacionais importantes, como a maior suscetibilidade a déficits de suprimento no período noturno, quando a geração solar cessa e a demanda permanece elevada. A incorporação de variáveis categóricas de faixa horária aprimorou o modelo, reforçando a influência do perfil de consumo ao longo do dia, e o melhor desempenho observado nos finais de semana corrobora a adequação do modelo à dinâmica de um campus universitário.

4. Conclusão

O presente estudo propôs a utilização de um modelo de regressão estatística múltipla para estimar o desempenho operacional da microrrede CampusGrid da UNICAMP, com foco na operação em modo ilhado a partir de grandezas elétricas internas. Verificou-se que o modelo desenvolvido apresentou elevado poder explicativo, com um R² ajustado de 0,767, indicando que aproximadamente 77,2% da variabilidade do Índice de Confiabilidade Operacional (ICO) foi explicada pelas variáveis independentes. Os resultados evidenciaram que a demanda e a energia efetivamente entregue constituíram os principais determinantes do desempenho do sistema, enquanto a geração fotovoltaica e o estado de carga do sistema de armazenamento atuaram como elementos de suporte essenciais para a manutenção do suprimento. A análise demonstrou que variáveis elétricas internas, monitoradas pelo sistema de gerenciamento de energia, são suficientes para fornecer uma estimativa consistente do comportamento da microrrede, oferecendo uma estrutura interpretável e útil para o monitoramento e apoio a estratégias de controle.

A análise temporal revelou padrões operacionais importantes, como a maior suscetibilidade a déficits de suprimento no período noturno, especificamente entre dezoito e vinte e quatro horas, quando a geração solar cessa e a demanda permanece elevada. Observou-se também um melhor desempenho nos finais de semana, o que corrobora a adequação do modelo à dinâmica de um campus universitário. Apesar das limitações inerentes à abordagem baseada em dados, como a dependência da qualidade dos registros históricos e a persistência de heterocedasticidade nos resíduos, o modelo de Mínimos Quadrados Ordinários (OLS) provou ser uma ferramenta analítica transparente e de baixo custo computacional. A interpretabilidade dos coeficientes permite que operadores e pesquisadores compreendam as relações entre as variáveis do sistema. Sugere-se para estudos futuros a incorporação de variáveis meteorológicas explícitas, a exploração de técnicas de regressão não linear ou séries temporais para lidar com a heterocedasticidade, e a aplicação do modelo em diferentes arquiteturas de microrredes para validar sua generalização.

Referências Bibliográficas

DOE – U.S. Department of Energy. The U.S. Department of Energy’s Microgrid Initiative. [S.I.]: U.S. Department of Energy, 2016. Disponível em: . Acesso em: 07 mar. 2026.

Eyimaya, S. E.; Altin, N. Review of Energy Management Systems in Microgrids. Applied Sciences, v. 14, n. 3, art. 1249, 2024. Disponível em: . Acesso em: 01 abr. 2026.

Feng, W. et al. A review of microgrid development in the United States. Applied Energy, 2018.

Grigsby, L. L. Electric Power Generation, Transmission, and Distribution. 3. ed. Boca Raton: CRC Press, 2012.

Javadi, A. B.; Pong, P. A review on symbolic regression in power systems: Methods, applications, and future directions. Renewable and Sustainable Energy Reviews, v. 224, art. 116075, 2025. Disponível em: . Acesso em: 07 fev. 2026.

Kagan, N.; Oliveira, C. C. B.; Robba, E. J. Introdução aos sistemas de distribuição de energia elétrica. São Paulo: Blucher, 2005.

Khan, M. R. et al. A Comprehensive Review of Microgrid Energy Management Systems. Processes, v. 12, n. 2, 2024.

Lasseter, R. H. Microgrids and Distributed Generation. Journal of Energy Engineering, v. 133, n. 3, p. 144-149, 2007.

Liu, X. et al. Microgrid Energy Management with Energy Storage Systems. 2023.

Porawagamage, G. et al. A review of machine learning applications in power system protection and control. Frontiers in Smart Grids, 2024.

Shamarova, N. et al. Review of Battery Energy Storage Systems Modeling in Microgrids with Renewables Considering Battery Degradation. Energies, 2022.

UNICAMP – Universidade Estadual de Campinas. Unicamp e CPFL inauguram microrrede de energia no campus de Barão Geraldo. Campinas: UNICAMP, 22 nov. 2024. Disponível em: . Acesso em: 07 abr. 2026.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Você também pode gostar

13 de novembro de 2026

Integração estratégica entre branding e mídia paga: uma análise da importância da brandformance no e-commerce

A complexidade da jornada do consumidor no marketing digital contemporâneo tem demandado estratégias integradas entre construção de marca e ações de performance. Este estudo analisou como a integração estratégica entre branding e mídia paga, denominada brandformance, se manifesta no e-commerce e sua importância para o desempenho das estratégias digitais. A pesquisa, de natureza aplicada, qualitativa e descritiva, empregou o método de benchmarking competitivo. Foram analisadas três empresas-exemplo (Alfa, Beta e Gama) atuantes no e-commerce, comparando seus níveis de integração entre branding e mídia paga. Os dados foram coletados de documentos, fontes secundárias, relatórios de mercado, materiais institucionais e evidências empíricas de plataformas digitais. Os resultados indicaram que empresas com maior alinhamento entre identidade de marca, comunicação e campanhas de performance demonstraram maior coerência na jornada do consumidor e melhores indicadores de eficiência. Em contrapartida, organizações focadas em conversão imediata apresentaram inconsistências comunicacionais, comprometendo a construção de valor a longo prazo. Concluiu-se que a integração entre branding e mídia paga é um fator estratégico para a competitividade no e-commerce, contribuindo para a construção de valor e a efetividade das estratégias digitais.

Palavras-chave: Benchmarking; Comunicação integrada; Estratégias de marketing; Jornada do consumidor; Performance digital.

13 de novembro de 2026

Machine learning na predição de desfechos cirúrgicos em epilepsia do lobo temporal farmacorresistente

A epilepsia do lobo temporal (ELT) farmacorresistente representa um desafio clínico complexo, com significativa parcela de pacientes reoperados apresentando recidiva de crises. O objetivo foi ampliar a análise de uma coorte retrospectiva de pacientes com ELT farmacorresistente submetidos à reoperação, utilizando técnicas de machine learning (ML) para identificar sinais analíticos que pudessem contribuir para a medicina de precisão em cirurgia de epilepsia. Realizou-se um estudo exploratório em uma coorte de 27 pacientes adultos reoperados entre 1994 e 2014 em um centro terciário. Aplicaram-se algoritmos de ML (regressão logística, Random Forest e XGBoost) com validação leave-one-out (LOOCV) a um dataset com 20 features clínicas, incluindo a postura distônica de membro superior. Para o desfecho primário de liberdade total de crises (Engel Ia) no último retorno, a regressão logística indicou sinal discriminativo moderado, com AUC-ROC de 0,655 e sensibilidade de 0,80. A análise interpretativa por SHAP values identificou o intervalo entre as cirurgias, a duração da epilepsia até a primeira intervenção e o uso de eletrocorticografia como variáveis de maior contribuição. Pacientes com postura distônica de membro superior apresentaram um padrão consistente de melhores desfechos cirúrgicos. O estudo demonstrou a viabilidade e o potencial informativo da abordagem exploratória por ML em coortes clínicas pequenas, com perspectiva de replicação em séries maiores e contribuição ao paradigma de medicina de precisão em cirurgia de epilepsia.

Palavras-chave: Cirurgia de epilepsia; Epilepsia do lobo temporal; Machine learning; Postura distônica; SHAP values.

13 de novembro de 2026

Análise de sentimento sobre o lançamento do Samsung Galaxy S25

Este estudo aplicou técnicas de Processamento de Linguagem Natural para analisar o sentimento de consumidores brasileiros em relação ao lançamento do Samsung Galaxy S25. O objetivo foi analisar o sentimento dos consumidores, a partir de 1.320 comentários em língua portuguesa coletados na plataforma Reddit, no período de janeiro de 2024 a dezembro de 2025. Utilizou-se o modelo BERTimbau, pré-treinado para a língua portuguesa, ajustado por meio de “fine-tuning” para classificação ternária de sentimento (positivo, negativo e neutro), alcançando acurácia de 78,26% e F1 Macro de 78,21%. A análise temporal, estruturada em três fases (rumores e especulações, lançamento e pós-lançamento), revelou que o sentimento negativo predominou na fase de rumores (42,7%), recuou durante o lançamento (25,9%) e estabilizou-se no pós-lançamento (35,7%). A inteligência artificial embarcada (Galaxy AI) foi o tema mais discutido (588 menções) e predominantemente negativo (46,9%). A bateria configurou-se como o atributo com maior insatisfação (55,9% negativo), sendo o único cuja percepção deteriorou após o uso real. A câmera destacou-se como o atributo com melhor avaliação relativa. Os resultados indicaram que a inovação incremental encontra limites na capacidade de gerar valor percebido suficiente para sustentar o posicionamento premium do produto no mercado brasileiro.

Palavras-chave: Análise de sentimento; BERTimbau; Processamento de linguagem natural; Reddit; Smartphones.

13 de novembro de 2026

Volatilidade cambial e estabilização de margens no setor de combustíveis brasileiro

A volatilidade cambial representou um dos principais fatores de risco para empresas em setores dependentes de insumos dolarizados, notadamente no mercado de combustíveis brasileiro, onde a formação de preços esteve fortemente ligada a variáveis internacionais. Com esse cenário, o estudo analisou o impacto da taxa de câmbio nos preços da gasolina entre 2015 e 2025 e avaliou a eficácia de estratégias de hedge cambial na redução da variabilidade das margens operacionais. Para isso, adotou-se uma abordagem quantitativa, descritiva e documental, utilizando dados secundários do Banco Central do Brasil (BCB), da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP) e do Instituto Brasileiro de Geografia e Estatística (IBGE). A metodologia incluiu a decomposição do preço da gasolina em componente cambial e residual, seguida pela simulação de margens operacionais em cenários com e sem proteção cambial. Os resultados revelaram que a depreciação do real comprimiu as margens no cenário sem hedge, enquanto a proteção cambial diminuiu a volatilidade dos resultados, especialmente em períodos de instabilidade, embora gerasse perdas relativas em momentos de apreciação cambial. Concluiu-se que a gestão do risco cambial contribuiu para maior previsibilidade operacional, mesmo com os trade-offs inerentes à limitação de ganhos potenciais.

Palavras-chave: Combustíveis; Hedge cambial; Margem operacional; Taxa de câmbio; Volatilidade cambial.

13 de novembro de 2026

Desenho Universal para a Aprendizagem: um guia prático para professores

O presente estudo teve como objetivo elaborar um guia de estratégias práticas, fundamentado nos princípios do Desenho Universal para a Aprendizagem (DUA), visando promover práticas pedagógicas inclusivas e acessíveis em sala de aula. A pesquisa caracterizou-se como aplicada, com abordagem qualitativa, e foi desenvolvida por meio de análise teórica e interpretativa de produções acadêmicas sobre DUA, neurociência da aprendizagem e educação inclusiva. O produto educacional foi estruturado com base nos três princípios do DUA – múltiplos meios de engajamento, representação, e ação e expressão – para organizar estratégias pedagógicas que reduzem barreiras e valorizam a diversidade dos estudantes. Os resultados indicaram que a implementação de práticas baseadas no DUA pode contribuir para o desenvolvimento de ambientes educacionais mais equitativos, favorecendo o engajamento, a compreensão e a expressão do conhecimento, especialmente para alunos com necessidades educacionais especiais. A articulação com a neurociência reforçou a importância de considerar a variabilidade cognitiva no ensino-aprendizagem. Concluiu-se que o guia proposto representa uma ferramenta relevante para apoiar a prática docente e assegurar o acesso a uma educação equitativa.

Palavras-chave: Ação e expressão; Engajamento; Inclusão escolar; Neurociência; Representação.

13 de novembro de 2026

Reclamações de consumidores do setor financeiro na Plataforma consumidor.gov.br: a trajetória da percepção de resolutividade

Este estudo analisou a trajetória da percepção de resolutividade das reclamações de consumidores do setor financeiro na plataforma consumidor.gov.br entre os anos de 2015 e 2025. O objetivo foi analisar a evolução dessa percepção. Para isso, utilizou-se a metodologia KDD (Knowledge Discovery in Databases) e a linguagem Python. Foram processadas 4.774.386 reclamações, e os registros apresentaram um crescimento exponencial, passando de 46 mil em 2015 para 1,2 milhão em 2025. Contudo, a percepção de resolução por parte dos consumidores declinou de 47,6% para 8,9% nesse período. Apenas 776.970 reclamações foram classificadas como resolvidas, representando 16,27% do total. As reclamações resolvidas possuíram nota média de 4,08, enquanto as não resolvidas decaíram para 1,42. O perfil do consumidor foi apresentado pela predominância do sexo masculino, com idade entre 21 e 40 anos e pertencente à região sudeste. Concluiu-se que o estudo analisou profundamente as reclamações do setor financeiro brasileiro, detalhando a eficiência das respostas institucionais e as características populacionais, podendo servir como instrumento para balizar melhorias na satisfação dos consumidores, mitigar propaganda negativa e gerar fidelização no ambiente competitivo.

Palavras-chave: Comportamento; Consumo; KDD; Satisfação do consumidor.

13 de novembro de 2026

A força da IA generativa na construção de relacionamentos emocionais com os consumidores

O marketing evoluiu para uma abordagem centrada no relacionamento, impulsionado pelo avanço da inteligência artificial generativa em canais conversacionais como o WhatsApp. O estudo objetivou identificar a capacidade da inteligência artificial generativa de construir relacionamentos emocionais com consumidores em fluxos de comunicação simulados, considerando elementos como linguagem afetiva, proximidade e personalização. Adotou-se uma abordagem exploratória qualitativa, com procedimento experimental. Aplicou-se um roteiro padronizado de interação em quatro marcas que utilizam IA generativa via WhatsApp. As respostas foram coletadas por observação direta não participante e analisadas segundo critérios como tom de linguagem, presença de elementos afetivos e continuidade do diálogo. Os resultados evidenciaram diferentes níveis de maturidade no uso da IA, destacando sistemas que, configurados com intencionalidade relacional, simularam empatia, mantiveram coerência contextual e sustentaram o vínculo ao longo da jornada, mesmo em situações de ruptura. Concluiu-se que a capacidade da IA generativa de construir relacionamentos emocionais não é inerente à tecnologia, mas depende de seu design estratégico, incluindo definição de persona, estruturação de prompts e uso de memória contextual, reforçando a integração entre tecnologia e estratégia de marketing de relacionamento.

Palavras-chave: Atendimento automatizado; Inteligência artificial conversacional; Linguagem afetiva; Marketing de relacionamento; Personalização.

13 de novembro de 2026

Gestão estratégica do departamento jurídico em seguradora: produtividade, desenvolvimento e uso de ferramentas de suporte

O ambiente securitário, caracterizado por complexidade regulatória e necessidade de eficiência, demanda estruturas organizacionais eficazes. Este estudo analisou como a organização das atividades, a padronização de processos e o uso de ferramentas de apoio influenciaram a produtividade e o desenvolvimento do departamento jurídico de uma seguradora. A pesquisa, de natureza exploratória com abordagem quantitativa e qualitativa, foi realizada por meio de um “survey”. Aplicou-se um questionário estruturado adaptado, baseado em construtos de maturidade de processos do Business Process Management (BPM) e escala Likert, a dez profissionais do departamento jurídico de uma seguradora em São Paulo. Os dados foram analisados por estatística descritiva e qualitativa. Os resultados indicaram um estágio intermediário de maturidade na estruturação dos processos jurídicos, com percepção favorável sobre o planejamento de atividades e a busca por melhoria contínua. Contudo, observaram-se fragilidades na uniformidade da adoção de procedimentos formais e na consistência da aplicação de métodos, especialmente na interação com outras áreas. A estruturação das atividades e a padronização de processos, combinadas ao uso de ferramentas de suporte, associaram-se a maior previsibilidade das demandas, menor variabilidade nas rotinas e maior consistência técnico-jurídica das entregas. Concluiu-se que a adoção de práticas de gestão estratégica e o uso estruturado de ferramentas de suporte contribuíram para o aumento da produtividade e a geração de valor à organização. O estudo ofereceu diretrizes para fortalecer a gestão estratégica do departamento jurídico, enfatizando a formalização de rotinas, o uso de ferramentas tecnológicas e o desenvolvimento de competências, além de aplicar conceitos de BPM ao contexto jurídico corporativo.

Palavras-chave: Business Process Management (BPM); Mecanismos de apoio; Melhoria contínua; Padronização de processos; Produtividade organizacional.

13 de novembro de 2026

Construção de um mapa estratégico para alinhamento de processos e projetos à estratégia corporativa

A capacidade de uma organização alinhar seus esforços à estratégia corporativa mostrou-se fundamental para sua sustentabilidade em mercados competitivos. O objetivo foi construir um mapa estratégico para uma empresa de Engenharia e Construção, utilizando a metodologia Balanced Scorecard, a fim de oferecer um referencial estruturado que fortalecesse o alinhamento entre a área de Processos e Projetos e os objetivos organizacionais. Adotou-se um estudo de caso com abordagem qualitativa, fundamentado no framework do Balanced Scorecard de Kaplan e Norton. A coleta de dados envolveu análise documental e três entrevistas semiestruturadas com executivos da organização, realizadas em dezembro de 2025. Os resultados permitiram a elaboração de um mapa estratégico que evidenciou as relações de causa e efeito entre as perspectivas Financeira, de Clientes, de Processos Internos e de Aprendizado e Crescimento. A validação com a liderança indicou alta aderência do modelo à realidade da empresa, destacando sua contribuição para a clareza estratégica, a priorização de iniciativas e o melhor direcionamento da atuação da área de Processos e Projetos. Concluiu-se que o mapa estratégico representa um instrumento relevante para traduzir a estratégia organizacional e apoiar sua execução, promovendo maior alinhamento interno e uma gestão mais eficaz do portfólio de iniciativas.

Palavras-chave: Alinhamento estratégico; Balanced Scorecard; Gestão de processos; Gestão de portfólio.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade